共计使用建筑数:79.7万 (797642)
模型训练信息大致如下:
模型:196×12×10三层MLP
激活函数:ReLU
数据预处理:
1、mnist28x28通过最大池化缩放为14x14,再使用形态学滤波腐蚀做笔迹骨架提取,转为二值化图像;
2、训练大参数教师模型,通过教师模型筛选处理后的二值化图像,去除无效图像,获得高质量的点阵数字数据集:
3、另追加500个常见印刷点阵数字图像,使用位移扩大数据集,用以提高点阵数字输入判断的准确度。
参数量化:动态量化+训练后量化
量化精度:4bit(二层偏置值为8bit——采用特殊量化方式以提
高准确率)
预测准确率:手写体87%,印刷点阵体86.1%
电路基于自研戴森球自动化工具生成,基于蓝图新无带流工艺实现隔空连接,以简化连线布局及建筑数,与游戏内手工搭建效果一致
#戴森球计划##国产之光##红石##电路#









模型训练信息大致如下:
模型:196×12×10三层MLP
激活函数:ReLU
数据预处理:
1、mnist28x28通过最大池化缩放为14x14,再使用形态学滤波腐蚀做笔迹骨架提取,转为二值化图像;
2、训练大参数教师模型,通过教师模型筛选处理后的二值化图像,去除无效图像,获得高质量的点阵数字数据集:
3、另追加500个常见印刷点阵数字图像,使用位移扩大数据集,用以提高点阵数字输入判断的准确度。
参数量化:动态量化+训练后量化
量化精度:4bit(二层偏置值为8bit——采用特殊量化方式以提
高准确率)
预测准确率:手写体87%,印刷点阵体86.1%
电路基于自研戴森球自动化工具生成,基于蓝图新无带流工艺实现隔空连接,以简化连线布局及建筑数,与游戏内手工搭建效果一致
#戴森球计划##国产之光##红石##电路#








